基于KK-SVM的垃圾標(biāo)簽檢測(cè)方法研究.pdf

1、計(jì)算機(jī)處理的數(shù)據(jù)一般來(lái)說(shuō)基本抽象于客觀世界,由于客觀世界中事物的復(fù)雜性,導(dǎo)致數(shù)據(jù)結(jié)構(gòu)極其復(fù)雜,數(shù)據(jù)維度極高,這無(wú)疑增加了計(jì)算機(jī)處理數(shù)據(jù)的難度。Folksonomy是通過(guò)用戶自定義標(biāo)簽發(fā)展而來(lái)的新型分類(lèi)方法,包括參與用戶、被描述的資源以及標(biāo)識(shí)符這三個(gè)重要組成部分。由于Folksonomy兼?zhèn)溆脩粜院妥杂尚缘忍攸c(diǎn),實(shí)現(xiàn)了更高程度上的資源共享,但同時(shí)也使得基于 Folksonomy的系統(tǒng)經(jīng)常含有垃圾標(biāo)簽。Folksonomy系統(tǒng)過(guò)于依賴用戶行

2、為,一旦部分用戶出現(xiàn)反常行為在系統(tǒng)中投放垃圾信息,生成相應(yīng)垃圾標(biāo)簽,將會(huì)嚴(yán)重威脅整個(gè)系統(tǒng)的運(yùn)行。為了減小系統(tǒng)的風(fēng)險(xiǎn),完全有必要對(duì)垃圾標(biāo)簽進(jìn)行檢測(cè)。
　　本文首先通過(guò)支持向量機(jī)的理論構(gòu)建垃圾標(biāo)簽檢測(cè)模型,原理就是利用支持向量機(jī)對(duì)用戶行為進(jìn)行檢測(cè)并分類(lèi),判斷用戶是否為垃圾標(biāo)簽投放者,通過(guò)限制垃圾標(biāo)簽投放用戶的破壞行為來(lái)減少垃圾標(biāo)簽。而后又在核主成成分分析法的啟發(fā)下,將數(shù)據(jù)降維思想引入數(shù)據(jù)預(yù)處理階段進(jìn)行數(shù)據(jù)集的約減,通過(guò)降維獲取原始數(shù)據(jù)

3、的低維表示,構(gòu)建出了基于KPCA-SVM方法的垃圾標(biāo)簽檢測(cè)模型。在此基礎(chǔ)上,利用核 K-means聚類(lèi)算法再次對(duì) KPCA-SVM垃圾標(biāo)簽檢測(cè)模型進(jìn)行優(yōu)化。最終形成了基于 KK-SVM的垃圾標(biāo)簽檢測(cè)模型。其中,前一個(gè)“K”表示核K-means聚類(lèi)算法,在處理數(shù)據(jù)集時(shí)主要是基于數(shù)據(jù)行的約減,后一個(gè)“K”表示KPCA降維算法,主要是基于數(shù)據(jù)列的約減。
　　本文將降維思想引入垃圾標(biāo)簽檢測(cè)模型的數(shù)據(jù)約減階段,提出了用KPCA-SVM檢測(cè)垃